Проект по анализу данных резюме с платформы HeadHunter для построения модели автоматического определения уровня заработной платы.
Анализ данных для построения модели для автоматического определения примерного уровня заработной платы, подходящей пользователю, на основе информации из его резюме.
dst-3.0_16_1_hh_database.csv
- Объем: 47k+ резюме
- Признаки: 10+ характеристик включая возраст, опыт, образование, зарплатные ожидания, город, готовность к переезду
- Источник: HeadHunter (публичные данные)
ExchangeRates.csv
Используется для конвертации зарплатных ожиданий в иностранной валюте в рубли по актуальным курсам для единообразного анализа.
- Базовый анализ структуры данных
- Преобразование данных
- Разведочный анализ EDA
- Очистка данных
- Категоризация текстовых данных
- One Hot Encoding для мультизначных категорий
- Конвертация валют с учетом исторических курсов
- z-score для выявления выбросов
- log преобразования для асимметричных распределений
Все графики полностью интерактивны: масштабируйте, наводите для деталей, переключайте легенды.
Наиболее часто встречающийся возраст — 30 лет. Диапазон значений широк: от 14 до 100 лет. Возраст большинства соискателей (центральные 50% данных) находится в интервале от 27 до 36 лет. Аномалии лежат ниже ~10 и выше ~53 лет.
Модальное значение опыта работы — 81 месяц (~6.8 лет). Диапазон — от 1 до 1188 месяцев (99 лет). Опыт большинства соискателей лежит в интервале от 57 до 154 месяцев (~4.7-12.8 лет). Аномалии — выше ~300 месяцев (25 лет).
Диапазон значений экстремально широк: от 1 рубля до 24,3 млн рублей. Зарплата большинства соискателей находится в интервале от 37 000 до 95 000 рублей. Аномалии лежат выше ~182 000 рублей. 5 соискателей требуют зарплату выше 1 млн рублей.
Наибольшие медианные зарплатные ожидания у соискателей с высшим образованием, наименьшие — со средним. Признак уровня образования является существенно важным фактором при прогнозировании заработной платы.
Медианные ожидания выше всего в Москве и Санкт-Петербурге, ниже — в городах-миллионниках, минимальны — в остальных. Размахи похожи, но в столицах больше высоких выбросов. Признак города важен для прогнозирования ЗП.
Максимальную медианную ЗП (~66 тыс. руб.) имеют кандидаты, готовые и к переезду, и к командировкам. Минимальную (~40 тыс. руб.) — те, кто не готов ни к тому, ни к другому. Готовность к мобильности существенно повышает ожидания.
Внутри каждой образовательной группы с возрастом зарплатные ожидания растут. Наиболее высокие значения — у обладателей высшего образования в возрасте 30-40 лет. Образование остается решающим фактором во всех возрастах.
Наблюдается ожидаемая положительная зависимость: с ростом возраста увеличивается опыт. 7 точек лежат выше линии "опыт = возраст" и являются аномалиями (опыт работы превышает или равен возрасту соискателя).
Мужчины-соискатели существенно преобладают в большинстве образовательных категорий, особенно среди обладателей среднего и неоконченного высшего образования.
Распределение логарифма возраста асимметрично влево, что подтверждает правую асимметрию исходного распределения, вызванную наличием соискателей старшего возраста.
Анализ характеристик соискателей показал, что их основная часть (50%) находится в возрастном диапазоне 27-36 лет с модальным возрастом 30 лет, имеет опыт работы от 4,7 до 12,8 лет (мода — 6,8 лет) и ожидает зарплату в пределах 37-95 тысяч рублей. При этом выявлены следующие зависимости: более высокие зарплатные ожидания коррелируют с наличием высшего образования, местом проживания в Москве или Санкт-Петербурге, а также с готовностью к переезду и командировкам; также в данных наблюдаются аномалии, когда заявленный опыт работы превышает возраст соискателя.
🐍 Проект выполнен в рамках учебного задания по анализу данных.